ビジネス・エグゼクティブのための最新ITトレンド
- 1.
- 2.
- 3.
- 4.
- 5. 歴史から見たITトレンド 5 紀元前150〜100年頃 アンティキティラ島の機械 1670年代 ライプニッツの計算機 1645年代 パスカルの計算機 1946年 ENIAC 1951年 UNIVAC1 1981年 1995年 1964年 IBM System/360 MS InternetExplorer 1.0 2007年 iPhone 2004年 2006年 2011年 量子コンピュータ 202X年 ニューロ・モーフィング コンピュータ 古代の計算機械 Calculator 現代の計算機械 Computer 近未来の計算機械 AI 19世紀半（未完成） バベッジの解析機関 IBM PC 5150 1990年〜 Internet
- 6.
- 7.
- 8. コレ一枚でわかる最新のITトレンド（２） 8 データ収集 モニタリング データ解析 原因解明・発見/洞察 計画の最適化 データ活用 業務処理・情報提供 機器制御 ヒト・モノ クラウド・コンピューティング 日常生活・社会活動 環境変化・産業活動 現実世界／Physical World サイバー世界／CyberWorld Cyber Physical System／現実世界とサイバー世界が緊密に結合されたシステム
- 9.
- 10.
- 11.
- 12.
- 13. 「自家発電モデル」から「発電所モデル」へ 13 工場内・発電設備 設備の運用・管理・保守は自前 需要変動に柔軟性なし 電力供給が不安定 自前で発電設備を所有 工場内・設備 電 力 電力会社・発電所 大規模な発電設備 低料金で安定供給を実現 設備の運用・管理・保守から解放 需要変動に柔軟に対応 工場内・設備 送電網 データセンター 大規模なシステム資源 低料金で安定供給を実現 設備の運用・管理・保守から解放 需要変動に柔軟に対応 システム・ユーザー デ ー タ インターネット
- 14.
- 15.
- 16.
- 17. システム資源のECサイト 見積書 契約書 調達手配 導入作業 メーカー ベンダー サイジング 調 達 費 用 数週間から数ヶ月 数ヶ月から数年を想定 現物資産またはリース資産 従来の方法 セルフ･サービス・ポータル 調達・構成変更 サービスレベル設定 運用設定 ・・・ 数分から数十分 直近のみ・必要に応じて増減 経費・従量課金／定額課金 クラウド オンライン･リアルタイム
- 18.
- 19. 徹底した標準化 大量購入 負荷の平準化 APIの充実・整備 セルフサービス化 機能のメニュー化 クラウド・コンピューティングのビジネス・モデル 19 クラウド・コンピューティング オンデマンド 従量課金 自動化・自律化 システム資源 の共同購買 サービス化 低コスト 俊敏性 スケーラビリティ
- 20.
- 21.
- 22.
- 23. クラウドの定義／サービス・モデル (Service Model) アプリケーション ミドルウェア オペレーティング システム ハードウェア PaaS Platform asa Service IaaS Infrastructure as a Service Software as a Service SaaS Salesfoce.com Google Apps Microsoft Office 365 Microsoft Azure Force.com Google App Engine Amazon EC2 IIJ GIO Cloud Google Cloud Platform アプリケーション ミドルウェア&OS マシン プ ラ ッ ト フ ォ ー ム
- 24. ハイブリッド・クラウド 複数企業共用 パブリック・クラウド クラウドの定義／配置モデル (Deployment Model) プライベート・クラウド 個別企業専用 個別･少数企業不特定・複数企業／個人 LAN LAN インターネット 特定企業占有 ホステッド・プライベート・クラウド 固定割当て LAN 専用回線・VPN LAN
- 25.
- 26. 日米の企業文化の違いとクラウドへの期待IPA人材白書・2012／日経SYSTEMS 2012/8を参考に作成 ITエンジニア の人数 ユーザー 企業 ITベンダー企業 75% ユーザー企業 72% ITベンダー 企業 ITベンダー企業の生産性向上 + ベンダーがリスクを背負わされる ユーザー企業の生産性向上 +ユーザーが自らリスクを担保 エンジニアリング・ワークの生産性が劇的に向上 運用の自動化 ＋ 調達の自動化 ＝ エンジニアの調達・運用管理負担の軽減 約100万人 約300万人
- 27.
- 28. サイバー攻撃がなぜなくならないのか 28 1425% サイバー犯罪の投資対効果（ROI） Payload： ＄3000 ランサムウェア等マルウェアの購入費。 Infection Vector：＄500 マルウェアに感染させるための手法の使用料。 Traffic Acquisition： ＄1800 マルウェア配布サイトの使用料。 Daily Encryption： ＄600 マルウェアを検知されにくくするための暗号化を使う費用。 経費：＄5,900 出典：2015 Trustwave Global Security Report 訪問者数 20,000人／日 感染率 10％ → 2,000人／日 支払率 0.5％ → 10人／日 支払額 ＄300／人 期間 30日 収益：＄90,000 クラウド・サービスとして提供
- 29. ビジネスとしてのランサムウェア 29 ボットネットレンタル ：60ドル／日、400ドル／週 ランサムウェアキット ： 1,000ドル／月 サーバー侵入代行 ： 3〜5ドル（コマンドインターフェイス）、 10〜25ドル（リモートデスクトップ接続） エクスプロイトキット（リース） ： 50ドル／日〜1,800ドル／月 クレジットカード番号（所有者詳細情報つき）： 30ドル ヘルスケア情報（米国医療保障制度番号10件）： 4,700ドル DARKReading：Cybercrime: A Black Market Price List From The Dark Web Ransomware as a Service 利用料金 クラウド・サービス として取引されている サイバー犯罪の多くは金銭目的 オンラインバンキングではアカ ウント情報を窃取し不正送金を 行い、ランサムウェアはWebマ ネーやビットコインを要求する。 個人のスキルに依存したビジ ネスから組織的ビジネスある いは分業化されたビジネスへ
- 30.
- 31. 高度なセキュリティ対策をクラウドにアウトソーシング 31 インフラ プラットフォーム 運用管理 アプリケーション 業務対応 自社対応 クラウド 自社所有 IaaS PaaSSaaS 責任分界点が変わる：運用管理 × セキュリティ対応
- 32.
- 33.
- 34.
- 35.
- 36.
- 37.
- 38. リスクマネージメントの相関図 38 事故の発生 事故の影響 受容 脅威ぜい弱性 機密性 完全性 可用性対策 受容レベル 保証×説明 コスト 影響 どこまでやればよいのかを？ 対策コスト負担 3項目への影響 業務の受容レベル 最適な組合せ 情報セキュリティの３項目 機密性：情報を盗まれない。 完全性：情報をデタラメな内容に書き換えられない。 可用性：システムを停止・破壊され業務継続を妨げられない。
- 39. セキュリティ対策は何を評価するのか 39 セキュリティの評価 ① 安全か ② 安心か ③効率や利便性は高まったか ④ ビジネスは成長したか 誰が評価するか IT担当者 IT担当者 利用者 経営者
- 40. セキュリティ対策の狙いと手段 40 従業員の「判断」を最小化する 創造性の高い業務とそうでない業務を明確に分ける 創造性の必要ない業務における従業員の判断を最小化するため に業務の効率化・自動化を行う 従業員に創造性の高い業務をさせる 業務改善のため、従業員保護のためにできること セキュリティの判断を従業員にさせない なにかあった時に従業員を護ることができるように「継続的な 監視（Continuous Monitoring）」を行う そのために「IDとログ（記録）の一元管理」が必要
- 41.
- 42.
- 43. インターネットに接されるデバイス数の推移 43 爆発的な伸びを見せると推測されるIoT（世界規模） （出典：National Cable& Telecommunications Association）
- 44.
- 45. IoTの２つの意味 45 データ収集 モニタリング データ解析 原因解明・発見/洞察 計画の最適化 データ活用 業務処理・情報提供 機器制御 ヒト・モノ クラウド・コンピューティング 日常生活・社会活動 環境変化・産業活動 現実世界／Physical World サイバー世界／CyberWorld Cyber Physical System／現実世界とサイバー世界が緊密に結合されたシステム 現実世界をデジタル・データに変換 モノそのものやそれを取り囲む環境の状態とその変化 広義のIoT＝CPS デジタル・データで現実世界を 捉え、アナログな現実世界を動 かす仕組み 狭義のIoT 現実世界の出来事をデジタル・ データに変換しネットに送り出 す仕組み
- 46. その他のビジネス 自律走行自動車 ビル設備管理サービス IoTはテクノロジーではなくビジネス・フレームワーク 46 データ収集 データ解析 データ活用 土木工事自動化サービス 解決したいビジネス課題 土木工事需要の拡大 熟練作業員の高齢化 困難を極める若者人材確保 データ収集 ドローンによる工事現場の空中撮影（カメラ） 建設機械の高精度位置情報（GPS） デジタル化された施工情報（３次元CAD等） データ解析 高精度３次元立体図面 土量分析・作業分析 工程・工期シミュレーション データ活用 建設機械の自動制御・作業支援 工程変更支援 ドロー測量により進捗把握 解決したいビジネス課題によって、使われるテクノロジーの組合せは異なる デジタル・データを活用した ビジネス課題を解決するためのフレームワークIoTとは 現実世界 サイバー世界
- 47.
- 48. 社会基盤のシフト 「モノ」の価値のシフト IoTがもたらす２つのパラダイムシフト 48 1. 現実世界のデジタル・データ化 2.ビッグデータを使ったシミュレーション 3. 現実世界へのフィードバック 1. 「ハード＋ソフト」がネットワーク接続 2. モノとクラウド・サービスが一体化 3. システム全体で価値を生成 ハードウェア ソフトウェア ハードウェア モノの価値は、 ハードウェアからソフトウェアへ そしてサービスへとシフト アナリティクス 人工知能＋シミュレーション アプリケーション クラウド・サービス ビッグデータ 現実世界のデジタルコピー 現実世界のデジタルデータ化 IoT CPS社会の実現 「モノ」のサービス化 インターネット クラウド・サービス CPS：Cyber-Physical System
- 49. 電脳世界 （Cyber World） 現実世界 （Physical World） CPS社会の実現：デジタル・コピー／デジタルツイン 49 ビッグデータ 機械学習 センサ データ 最適解 制御 Cyber-PhysicalSystem 圧 力 ひずみ 振 動 重 量 電 流 ・・・ シミュレーション 現実世界をデジタルで再現し 条件を変えて実験を繰り返し 最適解を見つけ出す 変更や変化に即応して 最適状態・動きを実現
- 50.
- 51. 「モノ」のサービス化：様々なモノに拡がる新しい常識 51 自動車メーカー 航空機メーカー 工作機械メーカー アナリティクス ソフトウェア改修 データ 収集 ソフトウェア 配信 新 規 開 発 制御ソフトウェア アナリティクス ソフトウェア改修 データ 収集 ソフトウェア 配信 新 規 開 発 制御ソフトウェア アナリティクス ソフトウェア改修 データ 収集 ソフトウェア 配信 新 規 開 発 制御ソフトウェア 運行データ走行データ作業データ 制御 制御 制御 遠隔からの保守点検・修理、自律化機能による自己点検や修復、ソフトウェア更新による機能・性能・操作性の改善 インターネット
- 52. 使 用 の現場 センサーコンピュータ ソフトウエア モノ・製品 「モノ」のサービス化：モノのサービス化の本質 52 ものづくり の現場 開 発 製 造 保守 サポート ソフトウェア 改修・更新 インターネット 直 結 ・ 連 係
- 53. 「モノ」のサービス化：ビジネス価値の進化 53 コア・ビジネス 既存ビジネス 蓄積されたノウハウ 確実な顧客ベース 付加価値ビジネス 収益構造の多様化 既存ノウハウの活用 顧客ベースの囲い込み 新規ビジネス 顧客価値の拡大 ノウハウの創出 顧客ベースの拡大 製造・販売製造・販売 製造・販売 走行距離に応じた 従量課金サービス Pay by Mile 出力×時間に応じた 従量課金サービス Pay by Power 工事施工 自動化サービス Smart Constriction 建設機械 遠隔確認サービス KOMTRAX 安全・省エネ運転 コンサルティング 予防保守・交換 燃料費節約 コンサルティング 予防保守・交換
- 54.
- 55.
- 56.
- 57. 人間の知能そのものを持つ機械を作る 汎用型人工知能 人工知能とは何か 人間にしかできなかったこと 人間にはできなかったこと 作業の効率化 能力の拡張 運転手 工場作業者 兵士 音声認識 文脈理解 検索代行 知識蓄積 関係付け・解釈 選択・判断 観察・監視 能力強化・補完 介助・補助 人工知能 ArtificialIntelligence 特化型人工知能 人間の新たな役割を生みだし進化を加速する 自律化 知的望遠鏡 知的介助 人間が知能を使って行うことを機械にさせる
- 58. 人工知能の３つの役割と人間の進化 58 人間の新たな役割を生みだし進化を加速する 自律化 知的望遠鏡 知的介助 機械自らが手順や判断基 準を見つけ出し人間が介 在することなく実行する これまで人間には見えな かったことが見えるよう になる 機械が人間に寄り添い、 利用者の裾野を拡大し、 新たな価値を生みだす 人工知能／ArtificialIntelligence 人間の知的作業を自動化し知性を拡張する技術 自動車、システムや機器 の運用、土木工事など 医療診断、データサイエ ンス、各種学問分野など 音声認識端末、対話応答 サービスなど
- 59.
- 60.
- 61.
- 62.
- 63.
- 64.
- 65.
- 66. ビッグデータ × AI（機械学習） 経営戦略･製品／サービス戦略& 0.1 to One マーケティング CPS / Cyber Physical System = IoT 知的介助： amazonの戦略 66 「地球上で最も顧客中心の会社」 購買志向・生活習慣・経済状況 音声・生活音・趣味嗜好 音楽志向・趣味嗜好思想信条・趣味嗜好・主義主張 購買志向・生活レベル・生活圏 購買志向・生活レベル・生活圏 興味関心・趣味嗜好 生活レベル･経済状態 個人属性 テクノロジーを駆使して 徹底した利便性を追求 個人データを 徹底して収拾 「顧客第一主義」戦略 「顧客データ収集」戦略
- 67.
- 68.
- 69. なぜいま人工知能なのか 69 IoT モバイル・ウェアラブル ソーシャル・メディアウェブサイト インターネット アルゴリズム GPU（Graphics Processing Unit） 脳科学の研究成果を反映 高速・並列・大規模計算能力 人工知能（Artificial Intelligence） ビッグデータ
- 70.
- 71.
- 72.
- 73. 深層学習の学習と推論 73 ・・・・・ 入力層 出力層中間層（隠れ層） 入力と出力ができるだけ一致 するように中間層の繋がりの 重み付けを調整してゆく。 ・・・・・ 入力層 出力層中間層（隠れ層） イヌ32% × ネコ 96% ○ ウシ 18% × 学習 推論 重み付けされた 「学習済の推論モデル」 「ネコ」 である 教師データ 未知のデータ 教師データ
- 74. 人工知能・機械学習・ディープラーニングの関係 74 1950年代 1960年代 1970年代1980年代 1990年代 2000年代 2010年代 人工知能 Artificial Intelligence 機械学習 Machine Learning 深層学習 Deep Learning 人間の”知能”を機械で 人工的に再現したもの 人工知能の研究分野のひとつで データを解析し、その結果から 判断や予測を行うための規則性 やルールを見つけ出す手法 脳科学の研究成果を基盤にデー タの分類や認識の基準を人間が 教えなくても、データを解析す ることで、自ら見つけ出すこと ができる機械学習の手法 データ アルゴリズム 規則性やルール 遺伝アルゴリズム、エキスパートシステム、音声認識、画像認識、感性処理、機械学習、 ゲーム、自然言語処理、情報検索、推論、探索知識表現、データマイニング、ニューラル ネット、ヒューマンインターフェース、プランニング、マルチエージェント、ロボット
- 75.
- 76.
- 77.
- 78.
- 79. 79 ある ない ある ない あるない ある （少ない学習データ） ある （膨大な学習データ） 高い 低い (ひとつの知的処理に特化) 高い 低い 低い 高い 人間は身体に備わる様々な感覚器からの情報も含め総合して知覚・認識 しているが、機械には身体がないのでそれができない。 自分が現在何をやっているか、今はどんな状況なのかなどが自分でわか る心の働きである意識により、人間は様々な知的処理を同時に実行し、 それを統合・制御しているが、機械にはできない。 人間は、自分の考えや選択を決心し、実行する能力、あるいは、物事を 成し遂げようとする意志を持っているが、機械にはない。 人間は少ない学習データからでも効率よく学習できる能力をそなえてい るが、機械は膨大な学習データとそれを処理できる膨大な計算能力（消 費エネルギー）を必要とする。 人間はひとつの脳で様々な種類の知的処理が可能だが、機械は特定の知 的処理に特化している。 人間は、神経の機能単位が消失しても、それを自律的に補填・回復させ ることができるが、機械にはそれができない。 人間の場合、１千億個のニューロンによる超並列処理がおこなわれてい るが、その数を増やすことはできない。しかし、機械のプロセッサーは 増やすことはできる。 人間の知性と機械の知性 意識 身体性 意志 学習能力 汎用性 可塑性 スケーラ ビリティ 高い 低い 人間の脳の消費エネルギーは思考時で21ワット/時程度のエネルギーを 消費するが、機械の場合はその数千倍から数万倍を必要とする。例えば、 GoogleのAlphaGoの消費電力は25万ワット/時とされている。 エネルギー 効率 ある ある 共に記憶能力はあるが、人間の場合は、身体的な感覚を含む記憶が可能 であり、記憶内容やメカニズムは必ずしも同じではない。 記憶能力 機 能 的 特 徴 器 質 的 特 徴 人間の知性 機械の知性 補足説明
- 80. 人工知能の４レベル 80 単純制御：指示されたことをそまま行う 予め定められたルールに従い制御する（人工知能搭載○○）。 気温が上がるとスイッチを切るエアコン 洗濯物の重さで洗濯時間を自動的に変更する洗濯機 ひげの伸び具合で剃り方を変える電気シェーバーなど 学習・推論：指示されたことを自ら考えて実行する 外の世界を観測することによって振る舞いを変える。振る舞いのパターンを多くするために、予め用意された ルールに従い学習・推論し実行する。 「駒がこの場所にあるときは、こう動かすのがいい」といった予め決められたルールに従って、これからの打ち手を探索して打つ ことができる囲碁や将棋のシステム 与えられた知識ベースに従って、検査の結果から診断内容や処方する薬を決めて出力する医療診断システム 機械学習：学習の着眼点は人間が教えるが対応パターンを自動的に学習する 人間があらかじめルールを細かく決めて組み込んでおかなくても、コンピュータが自ら大量のデータを分析し 機械学習を活用し対応パターンを自ら見つけ出す。ただし学習のための着眼点（特徴量）は人間が設計。 「駒がこの場所にあるときは、こう動かすのがいい」ということを設定しておかなくても、対戦を繰り返すことでコンピュータ自 身が自分で学習する将棋や囲碁のシステム 診断データや生体データを多数読み込み、ある病気とある病気に相関があるということを自分で学ぶ医療診断システム 深層学習：学習の着眼点を人間が教えなくても対応パターンを自動的に学習する 学習に使う変数（着眼点／特徴量）を自分で学習して見つけ、対応のパターンを見つけ出す。 1つの駒の位置だけではなく、複数の駒の関係性を見たほうがいいということを、自分で見つけ出す囲碁や将棋のシステム 一連の症状が患者の血糖異常を表していて、複数の病気の原因になっているようだ、ということを自分で見つけ出すことができる 医療診断システム レ ベ ル １ レ ベ ル ２ レ ベ ル ３ レ ベ ル ４
- 81.
- 82.
- 83.
- 84. これからのシステム開発ビジネス 84 ビジネス・スピードの加速 アプリケーション開発・変更への迅速な対応 eXtreme Programing,Scrum,Test DrivenDevelopment など 本番環境への迅速な移行・継続的デリバリー Chef,Jenkins,Hashicorp など インフラ環境の迅速な調達・構築・変更 Open Stack,Azure Stack,vCloud Suite など 高速で俊敏な開発・実行環境 Cloud Foundry,IBM Cloud,Microsoft Azure,Force.com など アジャイル開発 Agile Development DevOps Development/Operation クラウド SDI/IaaS & PaaS
- 85.
- 86.
- 87. 早期に金額を確定させることに意味があるのか？ 87 システム企画 要件定義 基本設計詳細設計 プログラミング 4.0x 2.0x 1.0x 0.5x 0.25x 初期の プロダクト定義 承認された プロダクト定義 設計仕様 詳細設計 研修された ソフトウエア 要求仕様 見 積 金 額 の 変 動 幅 プロジェクトフェーズ スティーブ・マコネル著「ソフトウェア見積り 人月の暗黙知を解き明かす」 倍 の 振 れ 幅 16
- 88.
- 89. 早期の仕様確定がムダを減らすというのは迷信 89 Standish Group StudyReported at XP2002 by Jim Johnson, Chairman ほとんど／決して使われていない： 64% 常に／しばしば使われている： 20%
- 90.
- 91.
- 92.
- 93. スクラム：自律型の組織で変化への柔軟性を担保する 93 さまざまな専門性を持った人がチームを組み、最初 から最後まで一緒に働く。 人とチームを重視し、彼らが自律的に働ける環境を 与えることでブレークスルーが起こりやすくなり、 同時に製品化までの時間が短くなる。 リーダーは、自律するチームの障害を取り除くこと が仕事であり管理しない。 日本で行われている 新製品開発のプロセスを 米国のやり方と比較した論文 1986,Harvard Business Review Scrum（スクラム） 1990年代Jeff Sutherlandらが ソフトウェア開発のに適用 アジャイル開発 不安定 高い自由裁量と困難なゴールを持つ 自己組織化 情報ゼロから相互交流し自律的に仕組みを作る 全員多能工 分業を共有しメンバーがプロジェクトの責任を自覚する イノベーションを 生みだす方法論 l S S J f l 8 S B 9 l f l 8 H B 8 S B 9 l e R 8 H f l B 9 t w v 6 1, , 6 , n l u , , 0 1 d i l l r l s h r a H 不確実な要素が多いソフトウェア開発にお いて、フィードバックを得ながらより価値 の高いソフトウェアを提供するための方法 を体系的に整理したフレームワーク
- 94.
- 95. デジタル・トランスフォーメーションとサイバー・フィジカル･システム データ収集 IoT/Mobile/Web データ解析 データ活用 Webサービス ヒト・モノ 日常生活・社会活動 環境変化・産業活動 現実世界／PhysicalWorld サイバー世界／Cyber World Cyber Physical System／現実世界とサイバー世界が緊密に結合されたシステム デジタル トランスフォーメーション
- 96.
- 97. デジタル・トランスフォーメーションとは 97 ビジネス･プロセスに関わる 人間の制約を排除し 品質・コスト・期間などの 限界をブレークスルーして ビジネスに新しい価値基準 をもたらす取り組み 人間を前提に最適化された ビジネスの仕組み から 機械を前提に最適化された ビジネスの仕組み への転換 ビジネス環境への対応 競争優位の確立 不確実性の増大・スピードの加速 製品やサービスをジャストインタイム で提供できる即応力 常識や価値基準の転換 生産性・価格・期間における これまでの常識を覆す破壊力 デジタル トランス フォーメーション
- 98. UBERとTaxi 98 Taxi タクシー資産 コールセンター運営経費 施設維持管理 事務・管理経費 など ドライバー収入 運賃 UBER アプリ開発・保守費 クラウド利用量など ドライバー収入 機械を前提とした ビジネスプロセス の最適化 人間を前提とした ビジネスプロセス の最適化
- 99.
- 100.
- 101. 「限界費用ゼロ社会」を引き寄せるデジタル・トランスフォーメーション 経済活動をより効率的に管理する新しいコミュニケーション・テクノロジー 郵便制度、電信・電話／管理型 水力、蒸気、原子力／集中型 蒸気船、鉄道、自動車、航空機／人間制御型 再生可能エネルギー／分散型 インターネット／自律型 様々な輸送手段の自動運転／自律制御型 IoT＝ビッグデータ×AI 効率・自律・分散の追求 垂直階層型／管理制御型 水平分散型／自律連係型 経済革命を特徴づけてきた三つの決定的に重要な要素から成り立っている。 経済活動により効率的に動力を提供する新しいエネルギー源 経済活動をより効率的に動かす新しい輸送手段 「限界費用ゼロ」社会 適切な初期投資を行えば 生産にともなう増加分の新たな費用が 限りなく「ゼロ」になる社会 デジタル･トランスフォーメーション により実現される社会やビジネスの姿 ジェレミー・リフキン
- 102. デジタル･トランスフォーメーションの全体像 ビジネス環境への対応 競争優位の確立 不確実性の増大・スピードの加速 製品やサービスをジャストインタイム で提供できる即応力 常識や価値基準の転換 生産性・価格・期間における これまでの常識を覆す破壊力 デジタル トランス フォーメーション デジタル・ビジネス･プラットフォーム ヒトやモノに依存しないソフトウェア化された仕組み 組織・体制 ビジネス・プロセス製品・サービス 意志決定スピードの高速化、 柔軟・迅速な組み替えや連係 変更や追加への即応力、オープン で柔軟な連係力 顧客/現場との緊密な連係と フィードバック ビッグデータ×AI サイバー・フィジカル・システム Cyber Physical System/CPS
- 103. デジタル・トランスフォーメーション実現のための取り組み デ ザ イ ン 思 考 リ ー ン ス タ ー ト ア ッ プ アジャイル開発 アプリケーション プラットフォーム API 開 発 運 用 ビジネス環境への対応競争優位の確立 不確実性の増大・スピードの加速 製品やサービスをジャストインタイム で提供できる即応力 常識や価値基準の転換 生産性・価格・期間における これまでの常識を覆す破壊力 デジタル トランス フォーメーション DevOps
- 104. デザイン思考・リーン・アジャイル・DevOpsの関係 現場に足を運ぶ 現物を手に取る 現実を自分で確認する デザイン思考リーン・スタートアップ アジャイル開発 DevOps デザイナー的なクリエイティ ブな視点で、ビジネス上の課 題を解決する 最小限の機能に絞って短期間 で開発しフィードバックをう けて完成度を高める ビジネスの成果に貢献するシ ステムを、バグフリーで変更 にも柔軟に開発する 安定稼働を維持しながら、開 発されたシステムを直ちに・ 頻繁に本番環境に移行する 共感（Emphasize） 問題定義（Define） 創造（Ideate） プロトタイプ（Prototype） 検証（Test） 構築（Build） 計測（Measure） 学習（Learn） 開発と運用の協調 自動化ツールの整備 継続的デリバリー （Continuous Delivery） 反復／周期的(Iterative) 漸進的(Incremental） 適応主義(Adaptive) 自律的(Self-Organized) 多能工(Cell Production） イノベーションとビジネス・スピードの融合 イノベーションの創発 ジャスト・イン・タイムで提供
- 105.
- 106.
- 107. 製品やサービスの市場投入までのプロセス：これまで 研 究 開発 事業化 市場 投入 高度な専門性 注力する技術領域の明確化 仕様の確定と標準化 生産工程の改革 コストダウン・品質の改善 仕様へのフィードバック プロダクト開発 プロセス開発
- 108. 製品やサービスの市場投入までのプロセス：これから 開 発 事業化 市場 投入 開 発 事業化 市場 投入 開発 事業化 市場 投入 研究 研究 研究 タイムリーに最小単位の製品・サービス を市場投入していく見極めと、それを可 能にする仕掛けが必要 アジャイル ← DevOps ← リーン･スタートアップ プロダクト・イノベーション プロセス・イノベーション 研究を加速するためにライフサイクルの シフトを視野に入れて多分野横断でプロ ジェクトを推進
- 109. デジタル･トランスフォーメーション デジタル･トランスフォーメーションを実践するステップ 3つの原則 課題の実感 トレンドの風を読む 試行錯誤 ステップ １戦略：ビジネス・モデル あるべき姿と シナリオを示す ステップ ２ 作戦：ビジネス・プロセス ITの可能性を 最大限に活かす ステップ ３ 戦術：使い方や見栄え 新しい常識で 選択肢を模索する
- 110.
- 111. ビジネス価値と文化の違い ユーザー部門のITへの期待の変化 顧客に製品やサービスを“いかに買ってもらうか”を狙う 顧客が製品やサービスを“買ってから”を処理、格納する ユーザー部門の要求は明確 IT部門はその要求に応える 求められる価値：スピード 求められる価値：安定性 SoE／モード2 SoR／モード1 Systemof Engagement System of Record 『キャズム』の著者Geoffrey A. Mooreの言葉を参考に作成 ユーザー部門は要求が不明 IT部門はその要求を一緒に探す ERP SCM 販売管理など CRM MA ECなど 結果を処理するシステム 結果を創出するシステム
- 112.
- 113.
- 114.
- 115.
- 116.
- 117.
- 118.
- 119.
- 120. 注意すべきITベンダー・SI事業者の行動特性 120 自分たちの「できること」でしか 解決策を示そうとしない。 これからのテクノロジーやその可能性について 分かりやすく説明できない。 機能や性能については説明できるが 経営や事業の成果にどのような貢献が できるのか説明できない。 新しい方法論や見積を求めても 旧来のやり方で提案しようとする。 新しい方法論やテクノロジーの適用を求めると 保証できない、実績がない、時期尚早などの ネガティブ・ワードで翻意を迫る。 注意すべきITベンダー・SI事業者の行動特性 自分たちの収益を優先して考えている。 新しいコトへのリスクを嫌っている。 経営やリソースに余裕がない。 勉強していない。あるいはその習慣がない。 分かってもらおうという意欲が欠如している。 自分たちのできないことに関心がない。 お客様の立場で考える習慣がない。 経営や業務に関心や知識がない。 お客様の成果より自分たちの成果を優先している。 仕事のやり方を変えたくない。 読めないリスクはできるだけ避けたい。 自分たちの業績評価基準に反する。 相手の想いを理解しようという意欲がない。 そもそも知識がなく、学ぶ意欲も乏しい。 新しいコトへチャレンジする意欲がない。 このような行動特性を示す理由
- 121.
- 122.
- 123.
- 124.